ACC
原始文章:https://confluence.ecmwf.int/display/FUG/Section+12.A+Statistical+Concepts+-+Deterministic+Data#Section12.AStatisticalConceptsDeterministicData-MeasureofSkill-theAnomalyCorrelationCoefficient(ACC)
通过计算预报与观测之间的相关性,来衡量预报系统质量。
由于季节变化,直接将预报与观测或分析相关联可能会给出误导性的高值。因此,通常的做法是从预报和验证中减去气候平均值,并根据异常相关系数(ACC)来验证预报和观测的异常。ACC最简单的形式可以写成:
A C C = ( f − c ) ( a − c ) ‾ ( f − c ) ‾ 2 ( a − c ) ‾ 2 ACC=\frac{\overline{(f-c)(a-c)}}{\sqrt{\overline{(f-c)}^2\overline{(a-c)}^2}} ACC=(f−c)2(a−c)2(f−c)(a−c)
式中: f f f 为预测值, a a a 为观测值, c c c 为气候值。因此 ( f − c ) (f-c) (f−c) 为预测值相对于气候值的异常, ( a − c ) (a-c) (a−c) 为观测值相对于气候值的异常。 ( f − c ) 2 (f - c)^2 (f−c)2 和 ( a − c ) 2 (a - c)^2 (a−c)2 分别为气候预报异常和分析异常的平方标准差;它们是预测和分析中“活动”的度量。上横条表示区域或全球平均值。
WMO的定义还考虑到任何平均误差:
A C C = [ ( f − c ) − ( f − c ) ‾ ] [ ( a − c ) − ( a − c ) ‾ ] ‾ [ ( f − c ) − ( f − c ) ‾ ] 2 ‾ [ ( a − c ) − ( a − c ) ‾ ] 2 ‾ ACC=\frac{\overline{[(f-c)-\overline{(f-c)}][(a-c)-\overline{(a-c)}]}}{\sqrt{\overline{[(f-c)-\overline{(f-c)}]^2}\overline{[(a-c)-\overline{(a-c)}]^2}}} ACC=[(f−c)−(f−c)]2[(a−c)−(a−c)]2[(f−c)−(f−c)][(a−c)−(a−c)]
异常相关系数(ACC)可以看作是与气候相关的预报得分。数值的增加表明“成功”的增加。经验表明:
ACC ~ 0.8 对应于在大尺度天气模式中存在天气技巧的范围。
ACC = 0.6 对应于在最大尺度天气模式中存在天气技巧的范围。
ACC = 0.5 表示预报的误差与基于气候平均值的预报的误差相同(即RMSE = Aa,即用作预报的气候天气资料的精度)。